Изучаем RAY. Гибкие распределенные вычисления на Python в машинном обучении: Пумперла, Оукс, Ляо

Данная книга поможет программистам на Python, инженерам и исследователям данных научиться применять фреймворк распределенных вычислений с открытым исходным кодом Ray и разворачивать вычислительные кластеры Ray. Ray может использоваться для структурирования и выполнения крупномасштабных программ машинного обучения. Распределенные вычисления отличаются своей сложностью, но с помощью Ray вы легко приступите к работе.

Прочитав книгу, вы научитесь:
- создавать свои первые распределенные приложения с помощью ядра фреймворка – Ray Core;
- оптимизировать гиперпараметры с помощью библиотеки Ray Tune;
- применять библиотеку Ray RLlib для обучения с подкреплением;
- управлять распределенной тренировкой моделей с помощью библиотеки Ray Train;
- применять Ray для обработки данных с помощью библиотеки Ray Data;
- работать с кластерами Ray и подачей моделей в качестве служб с помощью библиотеки Ray Serve;
- создавать сквозные приложения машинного обучения с помощью инструментария Ray AIR.